人工智能算法

这是一个关于人工智能算法的思维导图，主要包含监督学习、 无监督学习、深度学习、 强化学习等。

人工智能算法

• 监督学习
  • 有目标变量或预测目标
    • 有目标变量算法叫做分类算法
      • 决策树
      • 最临近
      • 规则算法
      • 朴素贝叶斯算法
      • 逻辑回归算法
      • 支持向量积算法
      • 随机森林算法
      • 反向传播算法
    • 预测目标的算法称为回归算法
      • 线性回归
      • cart回归
      • 岭回归
      • 套索回归
• 无监督学习
  • 从无标记的训练数据中推断结论
    • 对无标记的训练数据进行分组的算法称为聚类算法
      • K-MEANS
      • Dbscan等
    • 保留数据结构和有用性的同时对数据进行压缩的算法称为降维算法
      • 主成分分析
      • 线性判断分析
      • 局部线性嵌入
• 深度学习
  • 深度信念网络
  • 深度卷积神经网络
  • 深度递归神经网络
  • 分层时间记忆
  • 深度玻尔兹曼机
  • 栈式自动编码机
  • 生成对抗网络
• 强化学习
  • 机器学习的一个领域，强调基于环境行动，最大化利益
    • Q 学习
    • 状态-行动-激励-状态-行动
    • 深度Q网络
    • 策略梯度算法
    • 基于模型强化学习